[发明专利]图像识别模型的训练方法、装置、存储介质和电子设备

说明书

本公开是关于一种图像识别模型的训练方法、装置、存储介质、电子设备，该方法包括：通过特征提取模型提取图像数据的图像特征；通过每个第一图像特征和每个第一图像数据对应的标签对分类预测模型进行训练，生成图像识别模型；通过图像识别模型，获取每个第二图像数据的第二标签和该第二标签的置信度；通过根据置信度从多个第二图像数数据中确定第三图像数据的第三图像特征和每个第三图像数据的第二标签对图像识别模型进行重训练，以生成目标图像识别模型。能够通过附带标签的训练数据对模型进行预训练，再通过预训练后的模型生成重训练所需的其他训练数据的标签，在保证训练数据总量的基础上，减少对训练数据进行标注的成本，提高模型训练的效率。

技术领域

本公开涉及计算机视觉领域，尤其涉及一种图像识别模型的训练方法、装置、存储介质、电子设备。

背景技术

随着信息技术的发展，社会步入大数据时代，互联网中的信息越来越多也越来越繁杂。而互联网信息中的低俗内容，特别是低俗图像(例如，色情图像和血腥图像等)的大量传播，会对在青少年为网络用户主体的互联网环境造成了伤害和影响，不利于构建良好的网络环境和保护未成年人的心理健康。各大网站以及国家监管部门都对互联网中图像的内容审查提出要求。在对低俗图像进行识别和检测的相关技术中，对低俗图像的识别主要有两种方式，一种是通过人工检查的方式进行人工的识别和筛选，但是该方式代价昂贵，效率低下。特别是针对互联网中的海量数据，依靠人工检测的方式是不切实际的。另一种方式是通过图像识别模型对互联网中的低俗图像进行识别。可以理解的是，需要对不同的机器学习模型进行训练后，该机器学习模型才能具备识别低俗图像的功能，也就是生成该图像识别模型。而训练过程中所涉及的训练数据的数量通常较大，并且这些训练数据同样需要人工进行标注。对少量的训练数据进行标注，无法保证训练出的图像识别模型的准确性，而对大量的训练数据的标注过程同样涉及极高的人工成本，效率也较低。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像识别模型的训练方法、装置、存储介质、电子设备。

根据本公开实施例的第一方面，提供一种图像识别模型的训练方法，所述方法包括：

通过预先训练后的特征提取模型，提取多个第一图像数据中每个第一图像数据的第一图像特征和m个第二图像数据中每个第二图像数据的第二图像特征，所述第一图像数据对应第一标签，所述第一标签用于表征第一图像数据对应的图像分类，其中，m大于1；

采用提取到的每个所述第一图像特征和所述第一标签，对预设的分类预测模型进行训练，生成图像识别模型；

通过所述图像识别模型，获取每个第二图像数据对应的第二标签和所述第二标签对应的置信度；

根据所述置信度，从所述m个第二图像数据中确定n个第三图像数据，其中，n大于1，且，n小于m；

采用确定的所述n个第三图像数据中的每个所述第三图像数据的第三图像特征和每个所述第三图像数据对应的第二标签，对所述图像识别模型进行重训练，以生成目标图像识别模型。

可选的，在所述通过预先训练后的特征提取模型，提取多个第一图像数据中每个第一图像数据的第一图像特征和m个第二图像数据中每个第二图像数据的第二图像特征之前，所述方法还包括：

通过多个图像样本组对预设的目标神经网络模型进行训练，生成所述特征提取模型；其中，

所述图像样本组包括：第四图像数据和第四图像数据对应的转换图像数据，所述转换图像数据为对所述第四图像数据进行预设的图像转换处理后所得到的图像数据，所述图像转换处理包括：翻转处理、平移处理、噪声添加处理和色彩变换处理中的至少一种；

通过所述特征提取模型提取到的图像数据的图像特征与通过所述特征提取模型提取到的所述图像数据对应的转换图像数据的图像特征之间的相似度大于预设的相似度阈值。